本章要回答的三个问题:① 用 GPU 做编解码到底快多少,NVENC、QSV、VAAPI 这些接口有什么区别?② 数据在 CPU 与 GPU 之间搬运,为什么「零拷贝」能救命,代价是什么?③ 除了硬件,软件层面还有哪些榨性能的手段,多线程怎么开?
前 6 章把管线从文件一路接到了网络。剩下的问题很现实:处理得动吗? 一段 4K 视频软编码要跑半小时,直播转码每秒都在超时,监控平台几百路流同时解码……性能就是这条管线的「产能瓶颈」。
性能优化的难点在于:它不是「按一个开关」就完事。硬解省了 CPU,但引入了 GPU 与内存之间的拷贝;开多线程快了,但内存占用和同步问题随之而来。这一章的目标是让你建立「性能成本观」——每个提速手段都标好它的代价,知道什么时候值、什么时候不值。
对照开头三个问题:
-hwaccel 接上硬解-threads、滤镜并行等手段,在不换硬件的前提下榨出一截性能| 节号 | 回答哪个问题 | 关键产出 |
|---|---|---|
| 7.1 硬件加速接口 | 问题①:硬解与硬编 | HWAccel 接口矩阵 + 硬编硬解命令 |
| 7.2 零拷贝 | 问题②:数据搬运的成本 | 零拷贝的适用边界 + 判断方法 |
| 7.3 并行与系统级优化 | 问题③:软件层榨性能 | 线程/滤镜并行/批处理的用法 |
性能优化是「管线的运行保障」,到了第 9 章实战——特别是监控安防这种多路场景——会大量依赖本章的硬解与并行手段。第 8 章 SDK 开发里,线程模型与帧拷贝也是常见内存问题源,本章的「性能成本观」会直接复用。
本章的另一个价值是建立「性能预算」的意识。拿到一个转码任务,先估算它吃多少 CPU、多少内存、多少时间,再决定上什么手段。比如一个 4K 视频软转码要 10 分钟,客户却要求 2 分钟内出结果,这时候别急着调滤镜或换参数——先算账:软编达不到,就只有硬编一条路。
性能和「取舍」绑定得最紧:要速度可能要牺牲画质(硬编),要画质可能要牺牲速度(软编慢预设),要省钱可能要牺牲体验(降低分辨率)。工程上没有免费的提速,本章把每种提速的「价签」都标出来,让你在选的时候心里有数。
本章的学习目标是「学会测」而非「学会调」。硬件加速、零拷贝、并行参数,都不是背下来就能用的东西——它们的效果高度依赖机器、显卡、文件类型和负载。所以本章反复强调同一件事:先用基准测试量化现状,再让优化手段接受基准的检验。把「先测速、再定位、后优化」变成肌肉记忆,性能优化就不再是一门玄学。
-hwaccel 完成硬解,用 -c:v h264_nvenc 等完成硬编-threads 的语义与注意事项,以及滤镜层面如何并行